微軟在 10 月 9 日於 Microsoft Foundry 平台推出全新模型 Microsoft-Decision-1，主打「決策」而非「生成」，專門處理分類、選項判斷與評分工作，為企業自動化流程提供新的工具選擇。
與一般生成式 AI 以文字回答不同，Decision-1 根據輸入情境和預先提供的選項，直接計算各選項的機率分數，供應用程式決定下一步操作，不需要另外生成文字解釋。
開發者可以提供一段使用者訊息，要求模型判斷其意圖，再依照結果轉交給客服、技術支援或其他處理流程，也能用於資料分類、事件分流、內容安全標記以及量表評分。
模型支援是非題與多選題，當現有資訊不足以作出判斷時，還提供棄權選項，避免在資訊不足的情況下硬做決定。
由於輸出限定為決策分數，Decision-1 適合整合進需要快速判斷的自動化系統，官方公布的回應延遲中位數約為 85 毫秒，速度相當快。
微軟將 Decision-1 設計為純文字模型，上下文長度最高達 32,768 個 token，不接受影像、音訊或影片輸入，專注於文字情境的決策任務。
模型權重並未公開，開發者必須透過託管 API 使用，計費方式為每百萬輸入 token 0.042 美元，輸出不另外收費，部署選項包括 GlobalStandard，以及部分區域適用的 DataZoneStandard。
值得注意的是，Decision-1 並非由微軟從頭訓練，而是以阿里巴巴開放權重的 Qwen3.5-9B 為基礎，再由微軟進行後訓練。外媒指出，微軟尚未解釋初期選用該模型的具體原因。
微軟表示，後續計畫改以自家 MAI 或 OpenAI 模型作為底層架構。不過，儘管 Decision-1 以開放權重模型開發，微軟並未對外提供完成後訓練的模型權重。
微軟執行長納德拉也在社群平台 X 上介紹這款模型，表示公司內部已將相關技術用於事件回應、品質控管以及科學發現等場景。
官方測試涵蓋 36 項基準、共 147,137 道未納入訓練的題目，平均準確率 83.5%。Xbox Research、Copilot 和 Discovery 等內部團隊也回報，在維持相近品質的情況下，Decision-1 能提高處理速度並降低成本。
不過，這些效能與成本數據均來自微軟自身測試，尚無獨立第三方驗證；任務的選項設計、輸入長度與判斷門檻，也可能影響實際部署結果，後續市場反應值得觀察。
